--- title: "All elementary functions from a single binary operator" created: 2026-04-16 updated: 2026-04-16 type: paper tags: [paper, algorithm, concept] sources: [raw/papers/odrzywolek-eml-single-operator-2026.md] --- # All elementary functions from a single binary operator **arXiv:** [2603.21852](https://arxiv.org/abs/2603.21852) [cs.SC] **作者:** [[andrzej-odrzywolek]] **发表日期:** 2026-03-23 (v1), 2026-04-04 (v2) ## 核心贡献 本文发现了**连续数学中的 Sheffer 算子**:单一二元算子 $$\text{eml}(x,y) = \exp(x) - \ln(y)$$ 配合常数 $1$,足以生成科学计算器的所有初等函数。这类似于数字电路中 NAND 门对所有布尔逻辑的完备性。 ## 关键结果 ### EML 完备性 - **两按钮计算器** (1, eml) 可替代 36 按钮科学计算器 - 生成所有算术运算 ($+,-,\times,/$)、超越函数 ($\sin,\cos,\log,\exp$)、常数 ($e,\pi,i$) - 例如:$\exp(x) = \text{eml}(x,1)$,$\ln(x) = \text{eml}(1,\text{eml}(\text{eml}(1,x),1))$ ### 二叉树语法 每个 EML 表达式是同质节点的二叉树,语法极简: $$S \to 1 \mid \text{eml}(S,S)$$ 这与满二叉树和 Catalan 结构同构。 ### 符号回归 - EML 树可作为可训练电路,用 Adam 等优化器进行梯度优化 - 在树深 ≤4 时,可从数值数据中精确恢复闭式初等函数 - 成功率:深度 2 为 100%,深度 3-4 约 25%,深度 5 <1% ## 约化历程 | 配置 | 常量 | 一元 | 二元 | 计数 | |------|------|------|------|------| | Base-36 | 8 | 20 | 8 | 36 | | Wolfram | $\pi,e,i$ | $\ln$ | $+,\times,\wedge$ | 7 | | Calc 3 | none | $\exp,\ln,-x,1/x$ | $+$ | 6 | | Calc 2 | none | $\exp,\ln$ | $-$ | 4 | | Calc 1 | $e$ 或 $\pi$ | none | $x^y,\log_x y$ | 4 | | Calc 0 | none | $\exp$ | $\log_x y$ | 3 | | **EML** | **1** | **none** | **eml** | **2** | ## 相关算子 $$\begin{align} \text{eml}(x,y) &= \exp(x) - \ln(y) & \text{常量 } 1 \\ \text{edl}(x,y) &= \exp(x) / \ln(y) & \text{常量 } e \\ -\text{eml}(y,x) &= \ln(x) - \exp(y) & \text{常量 } -\infty \end{align}$$ ## 复杂度示例 | 函数 | EML 编译器 | 直接搜索 | |------|-----------|---------| | $e^x$ | 3 | 3 | | $\ln x$ | 7 | 7 | | $x+y$ | 27 | 19 | | $x\times y$ | 41 | 17 | | $\pi$ | 193 | >53 | ## 应用方向 1. **EML 编译器** — 将公式编译为纯 EML 形式 2. **模拟电路** — EML 作为模拟计算的基本构建块 3. **符号回归** — 基于梯度优化的"主公式"方法 4. **神经网络可解释性** — 训练权重可"吸附"到精确符号值 ## 开放问题 - 是否存在不需要区分常量的二元 Sheffer 算子? - 是否存在同时作为神经激活函数和初等函数生成器的一元 Sheffer 算子? - 是否存在具有更好性质(非指数渐近、无定义域问题)的类似算子? ## 相关页面 - [[andrzej-odrzywolek]] — 作者 - [[eml-operator]] — 核心数学概念